[發明專利]基于熱力計算與大數據的變煤質機組出力預測方法

有效

• 申請號: 202010500307.3
• 申請日: 2020-06-04
• 公開（公告）號: CN111651938B
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 王研凱;韓義;于英利;付旭晨;蔡斌;榮俊;王超;全向;韓元;邱晨陽;李豐泉;李迎春;袁東輝;連世文;張奇月;段倫博
• 申請（專利權）人: 內蒙古電力（集團）有限責任公司內蒙古電力科學研究院分公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F119/14;G06F119/08
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 任葦

1.基于熱力計算與大數據的變煤質機組出力預測方法，其特征在于，包括以下步驟：

S1：對歷史運行數據進行預處理，剔除異常數據；

S2：利用平均影響值的方法分析數據，獲取影響機組出力的主要因素為主蒸汽流量及相關次要因素；

S3：根據煤質分析，對現有鍋爐進行基于校核方法的整體熱力計算，預測現有鍋爐燃用不同煤種的主蒸汽流量；

利用Matlab語言進行程序編制，將整個計算流程分成結構計算模塊、燃料計算模塊、燃燒產生的煙氣特性模塊、煙氣焓溫表模塊、水蒸汽焓值溫度計算模塊、鍋爐熱平衡模塊、受熱面換熱計算模塊以及考慮制約因素所加的報警程序模塊共計八個模塊，按照鍋爐的煙氣、汽水流程，進行程序計算并調用相關模塊，最后求出排煙溫度，獲得鍋爐熱效率，對鍋爐的主蒸汽流量進行預測；

S4：建立基于前饋型訓練算法的理論出力預測模型，將影響機組出力的相關因素的歷史運行數據作為模型的輸入變量，將機組出力作為模型的輸出變量；

通過利用滑動窗口法，當有新的數據樣本進入模型時，直接剔除最舊樣本，更新模型參數；

S5：通過對比試驗，選取最優的隱層神經元數量，確定網絡結構，并利用遺傳算法對網絡的權值閾值進行優化；

S6：采用測試集對實際優化模型進行性能評價；

S7：將熱力計算獲得的數據輸入計算模型，獲得變煤質情況下的機組出力。

2.根據權利要求1所述的基于熱力計算與大數據的變煤質機組出力預測方法，其特征在于，所述步驟S1中所述歷史運行數據的來源包括電廠分布式控制系統、廠級信息監控系統和管理信息系統和監控信息系統。

3.根據權利要求1所述的基于熱力計算與大數據的變煤質機組出力預測方法，其特征在于，所述步驟S1中對所述歷史運行數據進行預處理是指，通過拉依達準則對歷史運行數據進行異常數據剔除，并進行歸一化處理。

4.根據權利要求1所述的基于熱力計算與大數據的變煤質機組出力預測方法，其特征在于，所述步驟S2中利用平均影響值法對數據進行分析處理，得到主蒸汽流量是影響機組出力的決定性因素，以及其他影響較小的相關因素。

5.根據權利要求1所述的基于熱力計算與大數據的變煤質機組出力預測方法，其特征在于，所述步驟S4中利用遺傳算法對網絡的權值閾值進行優化，提高預測模型的精準性。

6.根據權利要求1所述的基于熱力計算與大數據的變煤質機組出力預測方法，其特征在于，所述基于熱力計算與大數據的變煤質機組出力預測方法由基于熱力計算與大數據的變煤質機組出力預測裝置來實現，所述基于熱力計算與大數據的變煤質機組出力預測裝置包括以下部分:

用于對所述歷史運行數據進行預處理，剔除異常數據并進行歸一化處理的模塊；

用于對數據進行分析處理，獲取影響機組出力的具體相關因素的模塊；

根據煤質分析，對現有鍋爐進行基于校核方法的整體熱力計算，預測現有鍋爐燃用不同煤種的主蒸汽流量的模塊；

建立基于前饋型訓練算法的理論機組出力預測模型，將影響機組出力的相關因素的歷史運行數據作為模型的輸入變量，將機組出力作為模型的輸出變量的模塊；

通過對比試驗，選取最優的隱層神經元數量，確定網絡結構的模塊；

利用遺傳算法對網絡的權值閾值進行優化的模塊；

用于采用測試集對實際優化模型進行性能評價的模塊；

用于計算變煤質情況下機組出力的預測模塊。